[发明专利]物流到件量的预测方法、预测设备及存储介质

权利要求书

1.一种物流到件量的预测方法，其特征在于，包括：

将期望预测的一段固定时间分割成多个时间段；

获取每个时间段所对应的到件量历史数据；

计算每个时间段所对应的实时在途件量；

通过时间序列预测模型基于每个时间段所对应的到件量历史数据对每个时间段的到件量进行预测，并且对每个时间段生成时间序列预测值；以及

对所述时间序列预测值与所述实时在途件量进行加权平均，以获得最终预测结果，其中所述最终预测结果等于所述时间序列预测值乘上第一参数与所述实时在途件量乘上第二参数的总和。

2.根据权利要求1所述的物流到件量的预测方法，其特征在于，所述时间序列预测模型为自回归积分滑动平均模型(ARIMA模型)；所述将期望预测的一段固定时间分割成多个时间段的步骤包括：

以半小时为间隔，将固定的24小时分割成48个时间段。

3.根据权利要求2所述的物流到件量的预测方法，其特征在于，所述自回归积分滑动平均模型通过下列步骤进行训练：

在所述48个时间段所对应的到件量历史数据中，取前80％作为训练集；

以所述训练集的前80％作为训练用输入值、所述训练集的后20％作为训练用真实值来进行训练；以及

通过均方误差损失函数获得所述第一参数及所述第二参数。

4.根据权利要求3所述的物流到件量的预测方法，其特征在于，所述自回归积分滑动平均模型通过下列步骤进行验证：

在所述48个时间段所对应的到件量历史数据中，取后20％作为验证集；以及

以所述验证集的前80％作为验证用输入值、所述验证集的后20％作为验证用真实值来进行验证。

5.根据权利要求1所述的物流到件量的预测方法，其特征在于，所述计算每个时间段所对应的实时在途件量的步骤包括：

定位每个时间段内的每个在途包裹；

计算每个时间段内的每个在途包裹到达的导航时间；

计算每个时间段内的每个在途包裹的滞留时间；

计算每个时间段内的每个在途包裹的到达时间，其中所述到达时间等于当前时间加上所述导航时间家加上所述滞留时间；以及

计算每个时间段内的在途件量，其中所述在途件量等于到达时间落在每个时间段开始与结束时间之间的所述在途包裹的总件量。

6.根据权利要求1所述的物流到件量的预测方法，其特征在于，还包括：

依需求选取所述多个时间段中的一个或多个，并且基于每个时间段所对应的到件量历史数据对被选取的所述一个或多个时间段进行预测。

7.一种物流到件量的预测设备，其特征在于，包括处理器及储存器，所述处理器调用所述储存器中的计算机程序以执行如权利要求1至6任一项所述的物流到件量的预测方法。

8.根据权利要求8所述的物流到件量的预测设备，其特征在于，所述计算机程序包括：

特征选取模块，用以将期望预测的一段固定时间分割成多个时间段，并且获取每个时间段所对应的到件量历史数据；

实时在途件量计算模块，用以计算每个时间段所对应的实时在途件量；以及

预测模块，用以通过时间序列预测模型基于每个时间段所对应的到件量历史数据对每个时间段的到件量进行预测，并且对每个时间段生成时间序列预测值，对所述时间序列预测值与所述实时在途件量进行加权平均，以获得最终预测结果，其中所述最终预测结果等于所述时间序列预测值乘上第一参数与所述实时在途件量乘上第二参数的总和。

9.根据权利要求8所述的物流到件量的预测设备，其特征在于，所述计算机程序还包括：

训练及验证模块，用以训练所述时间序列预测模型及验证所述时间序列预测模型。

10.一种存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行权利要求1至6任一项所述的物流到件量的预测方法中的步骤。